数字普惠金融、农地流转与农业绿色低碳转型

王向辉

（河南科技大学 商学院，河南 洛阳 471023）

0 引言

“十四五”时期，农业绿色低碳转型成为中国农业强国建设的主旋律。党的二十大报告强调“完善支持绿色发展的财税、金融、投资、价格政策和标准体系，发展绿色低碳产业”。然而，当前制约农业绿色低碳转型的体制机制障碍仍较为突出，特别是农业难以实现规模化生产、耕地抛荒现象频现[1]。在此背景下，数字普惠金融、农地流转分别作为能够有效推动农业规模化生产的金融工具[2]、有利于缓解耕地抛荒问题的政策工具[3]，对农业绿色低碳转型具有积极作用。具体而言，数字普惠金融可为农业生产者提供普惠化金融服务，促使其能够以较低的融资成本开展绿色技术创新，推进农业绿色低碳转型；农地流转有利于提高耕地使用效率，减少耕地资源浪费，驱动农业可持续发展并向绿色方向转型。那么，如何解读数字普惠金融、农地流转与农业绿色低碳转型三者间的关系？又该如何从数字普惠金融和农地流转两个方面把握农业绿色低碳转型的发展进度？解答上述问题对于进一步推进农业绿色低碳转型、加速农业强国建设意义重大。

当前，探究数字普惠金融与农业绿色低碳转型二者关系的文章相对较少，且主要探讨了数字金融、数字经济对农业绿色低碳转型影响的关系。在数字化加持下，农户金融资本的提高，可为农业绿色低碳转型发展赋能[4]。区域数字经济发展对农业碳排放强度有显著抑制作用[5]，即数字经济发展有助于降低农业碳排放强度进而助力农业绿色低碳转型。在农地流转对农业绿色低碳转型影响的研究中，有学者指出完善农地流转市场体系有助于促进农户采纳保护性耕作技术、降低农业碳排放强度[6]，助推农业绿色低碳发展。在数字普惠金融对农地流转影响的研究中，部分学者认为数字普惠金融能够加速农地流转，盘活农地资源[7]，进而助力农业绿色低碳高质量发展。

已有研究为本文分析奠定了理论基础，但尚未将数字普惠金融、农地流转与农业绿色低碳转型三者纳入同一框架展开分析。基于此，本文尝试从以下方面对既有研究进行拓展：首先，将数字普惠金融、农地流转与农业绿色低碳转型三者纳入同一框架展开探讨，在探究数字普惠金融对农业绿色低碳转型赋能作用的同时，深入考察农地流转是否为影响二者关系的重要中间机制；其次，检验数字普惠金融对农业绿色低碳转型的影响是否会因农地流转水平不同而呈差异化特征，为科学推进农业绿色低碳转型提供经验证据；最后，分析数字普惠金融对农业绿色低碳转型的影响效应是否具有长期性，拓展相关领域研究边界。

1 理论分析与研究假设

数字普惠金融可提高农民信用水平、提供定制化金融服务、推动农业科技创新，进而促进农业绿色低碳转型。一是提高农民信用水平。当信用水平提升，农民将更易获得数字普惠金融贷款和其他金融支持[8]，以充足的资金进行农业绿色低碳转型。二是提供定制化金融服务。依托数字普惠金融的底层技术支撑，金融机构可根据农民不同需求和经营状况提供定制化金融服务[9]，例如提供绿色贷款、气候保险，帮助农民减少非必要生产能耗，有效推动农业绿色低碳转型。三是推动农业科技创新。数字普惠金融可为农业科技企业提供资金支持[10]，推动其研发和创新农业领域相关技术、工艺，进而提高农业生产效率，减少资源浪费，激发绿色低碳转型活力。综上所述，数字普惠金融可助力农业可持续发展，为农业绿色低碳转型提供支持。

农地流转对农业绿色低碳转型也发挥积极作用。一方面，农地流转可促使农村土地资源向农业专业合作经济组织集中，实现土地资源最优配置[11]。这有利于农业生产更加专业化和规模化，提高农业生产效率，减少资源浪费，促进农业绿色低碳转型。另一方面，农地流转后将形成大量规模经营的农业合作社和企业，对农业生产技术提出较高要求。这为现代农业技术推广提供条件，促进农业机械化、智能化、信息化等现代农业技术应用，有效降低能耗和碳排放，加速农业绿色低碳转型[12]。

数字普惠金融能够通过提供金融服务、数据服务、信息服务加速农地流转。就金融服务而言，数字普惠金融可为农业生产者提供更加便捷、低成本的金融服务，加速农地流转。农业生产者通过数字普惠金融服务平台，可更加方便地获得贷款、保险等金融服务，降低农业生产融资成本，提高农业生产效率，促进农地流转[13]。就数据服务而言，数字普惠金融可为农业生产者提供更加精准、全面的数据服务，助推农地流转。农业生产者可借助数字普惠金融服务平台评估土地利用情况和农业生产状况，获得更加准确的土地信息、农业生产数据，为农地流转提供决策支持。就信息服务而言，数字普惠金融可为农业生产者提供更加广泛、快速的信息服务，加速农地流转。农业生产者通过数字普惠金融服务平台，可获得更加及时、全面的土地交易信息与农业政策信息，更好地了解土地流转的机会和政策环境，为农地流转提供更加广泛、快速的信息支持。基于此，本文提出如下假设：

假设1：数字普惠金融能够通过促进农地流转影响农业绿色低碳转型。

数字普惠金融对于农业绿色低碳转型的促进效果在一定程度上取决于农地流转水平的高低。一般来说，在土地使用和管理缺乏统一规划和监管的情况下，农地流转会受到制约，阻滞农业专业化、规模化转型。此时，数字普惠金融将难以为农民提供切实有效的金融服务[14]，对农业绿色低碳转型产生的影响较为微弱。当农地流转水平提升后，农民资产和收入水平将大幅提升，更容易获得数字普惠金融服务中的贷款产品，从而增强购买和使用数字普惠金融服务的意愿。在这种情况下，数字普惠金融可深入渗透农业生产各个环节，最终影响农业绿色低碳转型。据此，本文提出如下假设：

假设2：数字普惠金融对农业绿色低碳转型的促进效果会受到农地流转门槛作用的影响。

此外，数字普惠金融对农业绿色低碳转型的促进作用可能长期存在。具体来说，一方面，数字普惠金融可依托物联网、区块链等技术手段，为农业生产数字化、智能化管理和监控提供资金支持，提高农业生产效率和质量，助力农业生产者创造长期的经济效益，加速农业绿色低碳转型。另一方面，数字普惠金融可为农业生产者提供长期数据和信息服务[15]，帮助农业生产者实现可持续发展，加速农业绿色低碳转型。此外，数字普惠金融可通过数字化培训和金融知识普及，指导农业生产者更好地利用数字普惠金融进行绿色技术创新，促使农业向更加环保、可持续的方向发展[16]，为农业生产的长期发展提供保障，推进农业绿色低碳转型。总体而言，数字普惠金融可为农业绿色低碳转型注入长期的动力、活力并提供相应保障。据此，提出如下假设：

假设3：数字普惠金融对农业绿色低碳转型的促进作用具有长期性。

2 研究设计

2.1 变量选取

（1）被解释变量：农业绿色低碳转型（Green）。借鉴申云与洪程程（2023）[17]的研究，考虑数据可得性，从绿色产业、绿色经营与绿色生产三个维度构建评价指标体系，用以评估农业绿色低碳转型程度。各维度所选指标及计算方法如表1 所示。具体采用极值法对原始数据进行标准化处理，利用熵权法确定各项指标权重，通过标准值与熵值权重进行累乘后加总得到综合农业绿色低碳转型发展水平。

表1 农业绿色低碳转型发展评价指标体系

（2）解释变量：数字普惠金融（Dig）。数字普惠金融指利用数字技术和金融手段，为广大农民提供更加便捷、安全、高效的金融服务。借鉴徐伟祁等（2023）[18]的研究，选用北京大学数字金融研究中心发布的北京大学数字普惠金融指数衡量数字普惠金融发展水平。该指数包括覆盖广度、使用深度和数字化程度三个维度，能够充分反映数字普惠金融发展状况。

（3）中介变量及门槛变量：农地流转（Farmland）。农地流转是指将农村土地的使用权流转给其他人或单位，进而实现土地的集约化利用和经济效益最大化。参考蔡雪雄等（2023）[19]的做法，以各省份当年农地流转率的对数衡量。具体来说，农地流转率通过“各省份当年家庭承包耕地流转总面积/家庭承包耕地总面积”测算。

（4）控制变量。基于已有文献，农业经济发展水平（GDP）、财政支农水平（Gov）、自然灾害程度（Nat）、农业保障水平（Seccu）、城镇化率（City）、乡村道路水平（Road）、工业化水平（Ind）与农业绿色低碳转型具有一定关联，在此加以控制。其中，农业经济发展水平采用“农林牧渔总产值/农村地区总人口”度量；财政支农水平采用地方政府的农林水务支出衡量，需进行取对数处理；自然灾害程度采用“受灾面积/农作物播种面积”测算；农业保障水平通过农业保险保费收入表征；城镇化率通过“城镇人口总数/总人口数”表示；乡村道路水平利用“（省域公路总里程-高速公路里程-一级公路里程）/省域面积”测算；工业化水平采用“工业增加值/地区生产总值”表示。

2.2 模型设定

（1）基本模型设定。为考察数字普惠金融对农业绿色低碳转型的影响效应，设定如下固定效应模型：

其中，i和t分别表示省份和时间，Digit为i省份t时期的农业绿色低碳转型水平，Digit为i省份t时期的数字普惠金融发展水平，α1反映数字普惠金融对农业绿色低碳转型的总效应，Xit表示本文所选择的一系列控制变量，α0为常数项，νi为省份固定效应，ηi为时间固定效应，εit为残差项。

（2）中介效应模型设定。进一步，将农地流转纳入考量范畴，设定如下中介效应模型：

其中，β0和δ0均为常数项，Farmlandit为i省份t时期的农地流转水平。

（3）面板门槛模型设定。考虑到数字普惠金融对农业绿色低碳转型的作用效果可能受到农地流转影响，以农地流转水平作为门槛变量，通过引入示性函数对式（1）进行拓展，依次设定单一门槛模型与多重门槛模型：

其中，γ表示未知门槛值，α0为常数项。I(·) 为示性函数，若满足括号中的条件，则I(·) =1，反之，I(·) =0。

（4）面板VAR 模型设定。为深化数字普惠金融对农业绿色低碳转型的影响研究，考察二者之间的动态调整过程，特别是探究数字普惠金融对农业绿色低碳转型是否存在长期影响，对式（1）进行拓展，构建如下面板VAR模型：

其中，At1为待估计系数矩阵，Y为（Green，Dig）组成的向量，j为滞后阶数。考虑到构建的是固定效应动态VAR 模型，在运算过程中，需对各变量进行扣减年份均值、向前均值差分处理，以消除时间与省份固定效应。

2.3 数据说明

本文以中国30个省份（不包括西藏和港澳台）的面板数据进行实证分析。为保证所得实证结果、结论与中国当前制度环境相契合，选择研究时段为2012—2021 年。所用数据主要来自国家统计局网站、历年《北京大学数字普惠金融指数》《中国统计年鉴》《中国农村经营管理统计年报》《中国品牌农业年鉴》《中国休闲农业年鉴》《中国科技统计年鉴》《中国农产品加工业年鉴》《中国农村统计年鉴》《中国农业年鉴》《中国环境统计年鉴》《国民经济和社会发展统计公报》及EPS数据平台公开信息。部分缺失数据采用线性插值法进行补充与完善。

3 实证分析

3.1 基准回归结果

表2 为数字普惠金融对农业绿色低碳转型影响的基准回归结果。研究采用递进式回归策略，在列（1）中仅控制省份固定效应、时间固定效应进行回归。结果显示，数字普惠金融对农业绿色低碳转型的影响效应估计值为0.3596，在1%的水平上显著，说明数字普惠金融能够显著促进农业绿色低碳转型。列（2）在列（1）的基础上，进一步控制农业经济发展水平、财政支农水平、自然灾害程度3个变量进行回归分析，发现数字普惠金融对农业绿色低碳转型的影响效应估计值为0.3421，在1%的水平上显著。这说明在增加控制变量的情况下，数字普惠金融对农业绿色低碳转型的影响仍显著为正，初步证实上述结论稳健。列（3）在列（2）的基础上加入农业保障水平、城镇化率2个控制变量进行回归分析，发现数字普惠金融对农业绿色低碳转型的影响系数估计值仍显著为正，进一步证实上述结论稳健。列（4）在前述分析的基础上引入乡村道路水平、工业化水平2个控制变量进行回归分析，发现数字普惠金融对农业绿色低碳转型的影响系数估计值为0.3823，在1%的水平上显著。总体而言，上述分析结果显示，随着逐步加入控制变量，数字普惠金融对农业绿色低碳转型的影响效应始终显著为正。

表2 数字普惠金融对农业绿色低碳转型影响的基准回归结果

3.2 传导机制检验

为考察农地流转在数字普惠金融与农业绿色低碳转型之间的中介机制，对式（2）、式（3）进行回归得到表3 的结果。其中，列（1）为式（2）回归结果，可以看出数字普惠金融对农地流转的影响效应估计值为0.1940，在5%的水平上显著，说明数字普惠金融能够显著促进农地流转。列（2）为式（3）的回归结果，可以看出农地流转对农业绿色低碳转型的影响系数估计值为0.4742，在1%的水平上显著；数字普惠金融对农业绿色低碳转型的影响系数估计值为0.2903，在1%的水平上显著。上述结果表明，农地流转在数字普惠金融与农业绿色低碳转型之间扮演中介角色，假设1成立。

表3 中介效应检验结果

3.3 门槛效应检验

（1）门槛值估计。前述研究已证实数字普惠金融可通过促进农地流转带动农业绿色低碳转型。为进一步考察农地流转是否在数字普惠金融与农业绿色低碳转型之间发挥门槛效应，基于式（4）、式（5）进行门槛值估计，结果见表4。可以发现，单一门槛值为0.0157，在10%的水平上显著；双重门槛值、三重门槛值分别为0.0284、0.0671，均未通过显著性检验。这表明数字普惠金融对农业绿色低碳转型的影响受农地流转单一门槛影响，应基于单一门槛进行下一步估计。

表4 门槛值估计结果

（2）门槛模型估计。门槛值估计结果初步证实假设2成立，但农地流转在数字普惠金融与农业绿色低碳转型之间的门槛效应仍有待进一步探讨。将门槛值代入式（4）进行回归分析，结果见表5。可以发现，在农地流转水平低于0.0157时，数字普惠金融对农业绿色低碳转型的影响效应估计值为0.2103，未通过显著性检验；在农地流转水平高于0.0157的情况下，数字普惠金融对农业绿色低碳转型的影响效应估计值为0.3714，通过1%水平上的显著性检验。这说明相较于农地流转水平较低的情况，农地流转水平较高时数字普惠金融对农业绿色低碳转型的促进作用更强。

表5 面板门槛回归结果

为研判上述结论是否稳健，利用数字普惠金融滞后1期替换当前数字普惠金融指标进行再次回归，检验结果见表5列（2）。可以看出，数字普惠金融滞后1期对农业绿色低碳转型的影响效应受到农地流转单一门槛影响。在农地流转水平低于0.0157的情况下，数字普惠金融滞后1期对农业绿色低碳转型的影响系数估计值为0.2589，未通过显著性检验；当农地流转水平高于0.0157 时，数字普惠金融滞后1 期对农业绿色低碳转型的影响系数估计值为0.3714，在1%的水平上显著。该结果表明当农地流转水平较低时，数字普惠金融对农业绿色低碳转型的影响效应较弱；当农地流转水平跨过门槛值时，数字普惠金融对农业绿色低碳转型的影响效应显著增强。这再次证实假设2，表明本文研究结论可靠。

细究其因，农地流转水平较低，一方面意味着土地利用效率、农民收入水平较低，另一方面反映出农业生产规模较小、土地使用权较为分散。在这种情况下，即使数字普惠金融提供了便捷的金融服务，农民也可能无法承受高昂的绿色低碳生产成本，难以实现绿色低碳转型。农地流转水平较高说明农村土地更多地处于规模化经营状态下，而规模化经营需要大量的资金投入。数字普惠金融可帮助农户筹措到更多的资金来进行绿色低碳转型，推动农业向更加环保和可持续的方向发展。由此，政府需要加大农地流转力度，形成规模化农业生产体系，从而更好地发挥数字普惠金融对农业绿色低碳转型的促进作用。

3.4 长期效应检验

为验证假设3，对式（6）进行回归分析。第一步，需检验各变量是否为平稳序列。本文采用LCC 法对各变量进行平稳性检验，结果显示农业绿色低碳转型、数字普惠金融、农地流转、农业经济发展水平、财政支农水平、自然灾害程度、农业保障水平、城镇化率、乡村道路水平、工业化水平10个变量均为平稳序列，可进行面板向量自回归（限于篇幅，具体结果不进行列示）。第二步，需检验面板VAR 模型是否稳定，结果（略）表明，数字普惠金融、农地流转与农业绿色低碳转型3 个变量的特征根均分布在单位圆内，表明模型稳定。第三步，采用GMM 法对面板VAR模型进行估计，结果见下页表6。列（1）结果显示，数字普惠金融滞后1 期对农业绿色低碳转型的影响系数估计值为0.2634，在1%的水平上显著；数字普惠金融滞后2期对农业绿色低碳转型的影响系数估计值为0.4016，在1%的水平上显著；数字普惠金融滞后3期对农业绿色低碳转型的影响系数估计值为0.4788，在5%的水平上显著。上述结果表明数字普惠金融对农业绿色低碳转型的促进作用长期存在，且在时间序列上呈动态叠加特征，假设3得到证实。

表6 面板VAR模型GMM估计结果

由表6 列（2）可知，农业绿色低碳转型的滞后期与数字普惠金融的影响系数估计值为正但不显著，初步说明农业绿色低碳转型对数字普惠金融的影响作用较小。为避免样本分布异质性所造成的结果偏误，准确体现数字普惠金融与农业绿色低碳转型的动态相关关系，在此利用脉冲响应函数展开进一步分析。首先，在基期分别设置农业绿色低碳转型和数字普惠金融一个单位的脉冲，借助MC方法对各内生变量的动态反应进行计算，而后设置考察期为10，最终得到数字普惠金融与农业绿色低碳转型相互间的脉冲响应函数图（见图1）。可以看出，农业绿色低碳转型会受到自身冲击的影响，该冲击效应在前4期为正，于第5期转为负向，之后逐渐收敛于0；数字普惠金融对农业绿色低碳转型的冲击基本显著为正。这再次证实数字普惠金融对农业绿色低碳转型的促进作用长期存在，假设3成立。

图1 脉冲响应函数图

为更清楚地刻画数字普惠金融与农业绿色低碳转型之间的动态相关关系，使用方差分解法分析农业绿色低碳转型、数字普惠金融对冲击响应的贡献度，具体结果见表7。可以看出，从第1期到第10期，数字普惠金融对农业绿色低碳转型的影响在逐步增大，到第10 期达到23.41%。这说明随着时间推移，数字普惠金融对农业绿色低碳转型变化的解释力度在不断加强，再次证实数字普惠金融对农业绿色低碳转型的影响效应具有长期性。

表7 方差分解结果

3.5 稳健性检验

（1）基准回归稳健性检验。考虑到模型（1）虽然控制了时间固定效应、个体固定效应，以及一系列可能影响农业绿色低碳转型的变量，但仍可能存在内生性问题：一方面，数字普惠金融和农业绿色低碳转型可能互为因果，即在农业绿色低碳转型水平较高时，可能会需要更多的资金支持，引致数字普惠金融发展水平相应提升；另一方面，模型回归过程中可能遗漏与数字普惠金融、农业绿色低碳转型都相关的变量，导致数字普惠金融出现内生性问题。由此，采用替代变量法和工具变量法对基准回归模型重新进行回归，以解决上述问题，确保研究结论稳健。

第一，替代变量法。采用数字普惠金融滞后1期作为数字普惠金融指数的替代变量，对模型（1）重新进行估计，同样采取递进式回归策略，结果见表8列（1）至列（4）。可以看出，数字普惠金融对农业绿色低碳转型的影响系数估计值均显著为正，证实数字普惠金融对农业绿色低碳转型具有显著促进作用，说明本文基准回归结果具有稳健性。

表8 稳健性检验结果

第二，工具变量法。借鉴李晓园与刘雨濛（2021）[20]的研究，采用数字普惠金融指数滞后1期与一阶差分项的乘积作为工具变量，对模型（1）重新进行估计，结果见表8列（5）。可以看出，数字普惠金融对农业绿色低碳转型仍发挥显著促进作用，与上述结论相符，说明研究结论稳健。

（2）传导机制的稳健性检验。以数字普惠金融滞后1期作为数字普惠金融的替代变量，对传导机制进行稳健性检验。结果显示，农地流转在数字普惠金融与农业绿色低碳转型间发挥中介效应，假设1 成立，表明本文传导机制研究结论可靠。

（3）长期效应的稳健性检验。通过在表2 列（4）的基础上加入数字普惠金融指标与各年份哑变量交叉项的方式，检验数字普惠金融对农业绿色低碳转型影响的长期效应。先设定数字普惠金融指标与2012年哑变量交叉项为参照变量，再依次对各年份进行回归估计，结果如下页表9 所示。分析可知，相较于2012 年，2013—2015 年数字普惠金融对农业绿色低碳转型的影响效应并未发生明显变化；2016 年后数字普惠金融对农业绿色低碳转型的影响系数估计值逐渐增大，且开始通过显著性检验；2021 年，数字普惠金融的影响系数估计值达0.7546，为研究期内最高值。这说明假设3再次得到印证，即数字普惠金融对农业绿色低碳转型的影响效应会随着时间推移逐步增长，具有长期性。

表9 数字普惠金融影响随年份变动估计

4 结论与建议

本文基于2012—2021 年中国省级面板数据，考察数字普惠金融、农地流转与农业绿色低碳转型的关系。研究发现：第一，数字普惠金融可通过促进农地流转驱动农业绿色低碳转型；第二，数字普惠金融对农业绿色低碳转型的促进作用存在农地流转单一门槛效应；第三，数字普惠金融对农业绿色低碳转型的促进作用随时间推移逐步增强。

基于实证结果，提出如下建议：（1）拓宽数字普惠金融服务半径。为进一步满足农业绿色低碳转型的金融服务需求，金融机构可搭建数字普惠金融平台，拓展服务渠道、提高服务质量，扩大服务范围，为更多的农业生产者提供金融和技术支持，助力农业绿色低碳转型。（2）建立土地流转市场。地方政府应通过制定土地流转市场管理办法、土地流转评估机构与交易机构，明确土地流转市场的定位、功能、管理机构、监管措施等，规范土地流转市场运作，为土地流转市场提供可靠的评估数据和服务。（3）打造数字普惠金融长效监管体系。一方面，地方政府可通过制定相关行政法规，明确数字普惠金融监管职责和权限，规范数字普惠金融市场的运作，保障农业绿色低碳转型。另一方面，地方政府可提高数字普惠金融机构信息披露透明度，公开数字普惠金融产品的收益率、费用、风险等信息，提高消费者对数字普惠金融产品的认知和选择能力，赋能农业绿色低碳转型。